CN110471420B - 一种基于人工势场法的机器避障方法及装置 - Google Patents

一种基于人工势场法的机器避障方法及装置 Download PDF

Info

Publication number
CN110471420B
CN110471420B CN201910786581.9A CN201910786581A CN110471420B CN 110471420 B CN110471420 B CN 110471420B CN 201910786581 A CN201910786581 A CN 201910786581A CN 110471420 B CN110471420 B CN 110471420B
Authority
CN
China
Prior art keywords
target point
potential field
machine
artificial potential
influence range
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910786581.9A
Other languages
English (en)
Other versions
CN110471420A (zh
Inventor
夏方健
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou Inspur Intelligent Technology Co Ltd
Original Assignee
Suzhou Inspur Intelligent Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Suzhou Inspur Intelligent Technology Co Ltd filed Critical Suzhou Inspur Intelligent Technology Co Ltd
Priority to CN201910786581.9A priority Critical patent/CN110471420B/zh
Publication of CN110471420A publication Critical patent/CN110471420A/zh
Application granted granted Critical
Publication of CN110471420B publication Critical patent/CN110471420B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02Control of position or course in two dimensions

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明实施例公开了一种基于人工势场法的机器避障方法和装置,解决了机器避障技术中的GNRON问题。其中,所述方法包括:设定目标点,并检测通向目标点路径上的障碍物、机器与目标点之间的距离以及机器与障碍物之间的距离;根据检测结果,基于人工势场法设定人工势场参数以及人工势场参数间的关系,所述参数包括第一引力系数,斥力参数,引力参数,合力参数,机器与障碍物和目标点之间的距离以及障碍物影响范围;设定目标点影响范围和第二引力系数,将第二引力系数和目标点影响范围添加到人工势场参数间的关系中;对机器与目标点之间的距离和目标点影响范围进行比较,根据比较结果确定相应的人工势场参数关系;根据所述确定的人工势场参数计算避障路线;控制机器沿所述避障路线运动。

Description

一种基于人工势场法的机器避障方法及装置
技术领域
本申请涉及智能避障技术领域,特别是涉及一种机器避障方法及装置。
背景技术
随着智能机器技术的高速发展,机器的避障功能在需求中逐渐变得重要起来。随着对于避障技术的要求不断提高,简单的避障策略已经无法满足日益复杂的机器运动环境,所以国内外学者以及研究人员开始开发各种机器避障的路径规划算法。
机器避障算法实质是对机器运动过程中路径规划的算法,在现有技术中,采用人工势场法解决机器避障问题是最常见的手段。而在人工势场法中存在一类GNRON问题,即机器无法到达目标地点的问题。
GNRON问题产生的主要原因是当目标在障碍物的影响距离内时,引力势场较小而斥力势场较大,由于引力势场和斥力势场相互抵消,从而导致总势场的全局最小值不在目标位置,而全局最小值是人工势场法中判断行进方向的基准值,因此会导致机器无法达到目标点。
发明内容
为了解决现有技术存在的上述技术问题,本申请提供了一种基于人工势场法的机器避障方法及装置,以实现避免出现GNRON问题的目的。
本发明实施例提供了一种基于人工势场法的机器避障方法,所述方法包括:
设定目标点,检测通向目标点路径上的障碍物、机器与目标点之间的距离以及机器与障碍物之间的距离;
根据检测结果,基于人工势场法设定人工势场参数以及人工势场参数间的关系,所述参数包括第一引力系数、斥力参数、引力参数、合力参数、机器与障碍物和目标点之间的距离以及障碍物影响范围;
设定目标点影响范围和第二引力系数,将第二引力系数和目标点影响范围添加到人工势场参数间的关系中;
对机器与目标点之间的距离和目标点影响范围进行比较,根据比较结果确定相应的人工势场参数关系;
根据所述确定的人工势场参数计算避障路线;
控制机器沿所述避障路线运动。
可选的,所述根据比较结果确定相应的人工势场参数关系包括:
当机器与目标点之间的距离大于目标点影响范围时,采用未添加第二引力系数和目标点影响范围的人工势场参数关系;
可选的,所述根据比较结果确定相应的人工势场参数关系包括:
当机器与目标点之间的距离小于目标点影响范围时,采用添加第二引力系数和目标点影像范围人工势场参数关系。
可选的,所述根据确定的人工势场参数关系确定避障路线进一步包括:
当机器与目标点之间存在多条避障路线时,选取所检测的障碍物数量较少的一条作为机器避障路线。
可选的,所述添加第二引力系数和目标点影响范围的人工势场参数关系包括:
所述人工势场参数关系具体为:
Figure BDA0002178226930000021
其中,Katt代表第一引力系数,ρ(X,Xg)代表机器与目标点之间的距离,F′att代表引力参数;K′att代表第二引力系数,ρ1代表目标点影响范围。
本发明实施例提供了一种基于人工势场法的机器避障装置,所述装置包括:
检测单元,用于检测通向目标点路径上的障碍物、机器与目标点之间的距离以及机器与障碍物之间的距离;
算法单元,用于根据检测结果,基于人工势场法设定人工势场参数以及人工势场参数间的关系,所述参数包括第一引力系数、斥力参数,引力参数、合力参数、机器与障碍物和目标点之间的距离以及障碍物影响范围;设定目标点影响范围和第二引力系数,将第二引力系数和目标点影响范围添加到人工势场参数间的关系中;
比较单元,用于对机器与目标点之间的距离和目标点影响范围进行比较,根据比较结果确定相应的人工势场参数关系;
计算单元,用于根据所述确定的人工势场参数关系确定避障路线;
执行单元,用于控制机器沿所述避障路线运动。
可选的,所述比较单元根据比较结果确定相应的人工势场参数关系包括:
当机器与目标点之间的距离大于目标点影响范围时,采用未添加第二引力系数和目标点影响范围的人工势场参数关系。
可选的,所述比较单元根据比较结果确定相应的人工势场参数包括:
当机器与目标点之间的距离小于目标点影响范围时,采用添加第二引力系数和目标点影响范围的人工势场参数关系。
相对于现有技术,本申请所述方法具有以下优点:
通过添加新的引力系数及目标点影响范围,修改了人工势场法中的引力势场参数,从而当机器在靠近目标点周围的障碍物时,所受到的引力势场增大,避免出现总势场全局最小值不在目标位置的问题。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1为本申请提供的一种基于人工势场法的机器避障方法实施例的流程图;
图2为本申请提供的另一种基于人工势场法的机器避障方法实施例的流程图;
图3为本申请提供的一种基于人工势场法的机器避障方法实施例的状况模拟图;
图4为本申请实施例三提供的一种基于人工势场法的机器避障方法的测试平台搭建流程图;
图5为本申请提供的一种基于人工势场法的机器避障装置实施例的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
实施例一:
本申请实施例一提供了一种基于人工势场法的机器避障方法,下面结合附图具体说明。
参见图1,该图为本申请实施例一提供的基于人工势场法的机器避障方法的流程图。
本申请实施例一所述方法包括以下步骤:
步骤S101:设定目标点,并检测通向目标点路径上的障碍物、机器与目标点之间的距离以及机器与障碍物之间的距离。
步骤S102:根据检测结果,基于人工势场法设定人工势场参数以及参数间的关系,所述参数包括第一引力系数、斥力参数、引力参数、合力参数、机器与障碍物和目标点之间的距离以及障碍物影响范围。
在本实施例中,所述人工势场参数包括合力参数、引力参数、斥力参数、机器到障碍物及目标点之间的距离。其中,各参数之间的关系为:,
引力参数为:
Figure BDA0002178226930000041
其中,Uatt代表引力势场,Katt代表第一引力系数,ρ(X,Xg)代表机器与目标点之间的距离。
引力为引力势场参数对距离的导数,Fatt代表引力。可以看出,机器距目标点越近,计算得到的引力越小。
斥力参数为:
Figure BDA0002178226930000051
其中,Urep代表斥力势场,Krep代表斥力系数,ρ(X,X0)代表机器与障碍物之间的距离,ρ0代表障碍物的影响半径。
斥力为斥力势场参数对距离的导数,Frep代表斥力。可以看出,当机器与障碍物之间的距离不小于障碍物影响半径时,所受斥力为0;当机器与障碍物之间的距离小于障碍物影响半径时,所述斥力随着距离的减小而增大。因此,当机器离目标点较近且位于障碍物的影响范围内时,此时所受的引力较小,斥力较大,容易产生合力局部极小值不在目标点位置,从而机器无法达到目标点的问题。
合力参数为:
FS=Fatt+Frep
其中,FS表示合力。
步骤S103:设定目标点影响范围和第二引力系数,将第二引力系数和目标点影响范围添加到人工势场参数间的关系中.
设定第二引力系数为K′att,目标点影响范围为ρ1
新的引力参数为:
Figure BDA0002178226930000061
由新的引力参数可以看出,当机器与目标点之间的距离不小于目标点影响范围时,引力参数与原参数相同;当机器与目标点之间的距离小于目标点影响范围时,叠加新的引力分量,增加引力,确保引力足够大,以减小障碍物对机器的作用,从而能够在足够大的引力的牵引作用下达到目标点。
步骤S104:对机器与目标点之间的距离和目标点影响范围进行比较,根据比较结果确定相应的人工势场参数关系。
上已述及,当机器与目标点之间的距离不小于目标点影响范围时,采用原引力势场及引力参数;当机器与目标点之间的距离小于目标点影响范围时,采用加入新的引力系数和目标点保护范围的引力参数,从而可以叠加新的引力分量,增加引力,确保引力足够大,以减小障碍物对机器的作用,从而能够在足够大的引力的牵引作用下达到目标点。
步骤S105:根据所述确定的人工势场参数关系确定避障路线。
根据上述步骤所确定的人工势场参数计算出总势场的最小值方向,并依据该方向规划出机器避障路线。
步骤S106:控制机器沿所述避障路线运动。
根据上述步骤计算出的避障路线,控制机器沿改路线到达目标点。
实施例二:
基于上述实施例提供的基于人工势场法的机器避障方法,本申请实施例二还提供了另一种基于人工势场法的避障方法实例,下面结合附图具体说明。
参见图2,该图为本申请实施例二提供的另种基于人工势场法的机器避障方法流程图。
本申请实施例二包括以下步骤:
S201-S203与实施例一中的S101-S103相同。
S204:根据所述确定的人工势场参数关系确定避障路线;其中,当有多条避障路线时,选取检测到障碍物数量较少的作为机器避障路线。
如图3所示,由于障碍物1和障碍物3对于机器来说处于对称位置,在其斥力系数与影响范围也相同,且未达到障碍物4的影响范围的情况下,在机器的人工势场法中,得到的局部极小值有图示两个方向。此时,机器会判断两条路径上障碍物的数量,如图所示,左侧路径上多出一个障碍物4,因此机器判断将右侧避障路径作为确定的避障路线。
S205:控制机器沿所述避障路线运动。
实施例三:
基于上述实施例提供的基于人工势场法的机器避障方法,本申请实施例三还提供了一种基于人工势场法的机器避障方法的测试平台。
参见图4,该图为本申请实施例三提供的一种基于人工势场法的机器避障方法的测试平台搭建流程图,具体步骤如下:
步骤S301:选择合适的硬件组装机器,其中包括机器系统、控制系统以及动力系统。
其中,所述机器系统包括机器支架等;所述控制系统包括运动控制板与发令基站、遥控器和接收器等;所述动力系统包括电池、电机等。
步骤S302:选择图像检测装置,本系统中采用深度相机作为检测障碍物装置。
步骤S303:选择机载PC作为远程指令发送控制器,以及算法处理平台,通过机载PC控制机器控制系统以达到算法的运行。
其中,算法通过C++语言进行编程,以功能形式存放于机载PC中,设定障碍物距离触发算法执行。
步骤S304:配置软件控制系统。
其中,配置软件控制系统包括:将pixhawk控制板进行正常编译,机载PC安装ROS、MAVROS环境。
步骤S305:调试图像检测装置,室内环境下手持机载PC,连接深度相机之后进行实验并观察实验结果。
实施例四:
基于上述实施例提供的基于人工势场法的机器避障方法,本申请实施例四还提供了一种基于人工势场法的机器避障装置。
参见图5,图5为本申请提供的一种基于人工势场法的机器避障装置实施例的结构框图。
本申请实施例所述机器避障装置包括:检测单元101、算法单元102、比较单元103、计算单元104、执行单元105;
其中,所述检测单元用于检测通向目标点路径上的障碍物、机器与目标点之间的距离以及机器与障碍物之间的距离。
这里可以用于检测的装置有很多,例如可以采用深度相机作为障碍物与目标物的检测装置。
所述算法单元用于基于人工势场法设定人工势场参数,所述参数包括第一引力系数、斥力参数、引力参数、合力参数、机器与障碍物和目标点之间的距离以及障碍物影响范围;设定目标点影响范围和第二引力系数,将第二引力系数和目标点影响范围添加到人工势场参数间的关系中;
在本实施例中,可以采用Matlab软件进行算法模拟,通过C++语言实现算法用于机器实际运动。
所述比较单元用于对机器与目标点之间的距离和目标点影响范围进行比较,根据比较结果确定相应的人工势场参数关系。
当机器与目标点之间的距离大于目标点影响范围时,采用未添加第二引力系数和目标点影响范围的人工势场参数关系;当机器与目标点之间的距离小于目标点影响范围时,采用添加第二引力系数和目标点影响范围的人工势场参数关系。
所述计算单元用于根据所述确定的人工势场参数确定避障路线。
在本实施例中,采用编程软件根据所述比较单元确定的势场参数计算出当前总势场最小值方向,所述最小值方向就是在人工势场参数中接近目标点且避开障碍物的方向,根据所述方向即可得出机器避障路线。
所述执行单元用于控制机器沿所述避障路线运动。
在本实施例中,采用C++语音实现将避障路线应用于机器运动中,控制机器沿所述避障路线运动。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,用于描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元及模块可以是或者也可以不是物理上分开的。另外,还可以根据实际的需要选择其中的部分或者全部单元和模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述仅是本申请的具体实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。

Claims (3)

1.一种基于人工势场法的机器避障方法,其特征在于,包括:
设定目标点,检测通向目标点路径上的障碍物、机器与目标点之间的距离以及机器与障碍物之间的距离;
根据检测结果,基于人工势场法设定人工势场参数以及参数间的关系,所述参数包括第一引力系数、斥力参数、引力参数、合力参数、机器与障碍物和目标点之间的距离以及障碍物影响范围;
设定目标点影响范围和第二引力系数,将第二引力系数和目标点影响范围添加到人工势场参数间的关系中;
对机器与目标点之间的距离和目标点影响范围进行比较,根据比较结果确定相应的人工势场参数关系;
根据所述确定的人工势场参数关系确定避障路线;
控制所述机器沿所述避障路线运动;
所述根据比较结果确定相应的人工势场参数关系包括:
当机器与目标点之间的距离大于目标点影响范围时,采用未添加第二引力系数和目标点影响范围的人工势场参数关系;
所述根据比较结果确定相应的人工势场参数关系包括:
当机器与目标点之间的距离小于目标点影响范围时,采用添加第二引力系数和目标点影响范围的人工势场参数关系;
所述添加第二引力系数和目标点影响范围的人工势场参数关系包括:
所述人工势场参数关系具体为:
Figure 558346DEST_PATH_IMAGE001
其中,
Figure 227225DEST_PATH_IMAGE002
代表第一引力系数,
Figure 282906DEST_PATH_IMAGE003
代表机器与目标点之间的距离,
Figure 37235DEST_PATH_IMAGE004
代表引力参数;
Figure 774247DEST_PATH_IMAGE005
代表第二引力系数,
Figure 362879DEST_PATH_IMAGE006
代表目标点影响范围。
2.根据权利要求1所述的方法,其特征在于,所述根据确定的人工势场参数关系确定避障路线进一步包括:
当机器与目标点之间存在多条避障路线时,选取所检测的障碍物数量较少的一条作为机器避障路线。
3.一种基于人工势场法的机器避障装置,其特征在于,所述装置包括:检测单元、算法单元、比较单元、计算单元和执行单元;
其中,所述检测单元,用于检测通向目标点路径上的障碍物、机器与目标点之间的距离以及机器与障碍物之间的距离;
所述算法单元,用于根据检测结果,基于人工势场法设定人工势场参数以及人工势场参数间的关系,所述参数包括第一引力系数、斥力参数,引力参数、合力参数、机器与障碍物和目标点之间的距离以及障碍物影响范围;设定目标点影响范围和第二引力系数,将第二引力系数和目标点影响范围添加到人工势场参数间的关系中;
所述比较单元,用于对机器与目标点之间的距离和目标点影响范围进行比较,根据比较结果确定相应的人工势场参数关系;
所述计算单元,用于根据所述确定的人工势场参数关系确定避障路线;
所述执行单元,用于控制机器沿所述避障路线运动
当机器与目标点之间的距离大于目标点影响范围时,采用未添加第二引力系数和目标点影响范围的人工势场参数关系;
所述根据比较结果确定相应的人工势场参数关系包括:
当机器与目标点之间的距离小于目标点影响范围时,采用添加第二引力系数和目标点影响范围的人工势场参数关系;
所述添加第二引力系数和目标点影响范围的人工势场参数关系包括:
所述人工势场参数关系具体为:
Figure 792723DEST_PATH_IMAGE007
其中,
Figure 96665DEST_PATH_IMAGE008
代表第一引力系数,
Figure 371789DEST_PATH_IMAGE003
代表机器与目标点之间的距离,
Figure 15260DEST_PATH_IMAGE004
代表引力参数;
Figure 412743DEST_PATH_IMAGE009
代表第二引力系数,
Figure 141665DEST_PATH_IMAGE010
代表目标点影响范围。
CN201910786581.9A 2019-08-23 2019-08-23 一种基于人工势场法的机器避障方法及装置 Active CN110471420B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910786581.9A CN110471420B (zh) 2019-08-23 2019-08-23 一种基于人工势场法的机器避障方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910786581.9A CN110471420B (zh) 2019-08-23 2019-08-23 一种基于人工势场法的机器避障方法及装置

Publications (2)

Publication Number Publication Date
CN110471420A CN110471420A (zh) 2019-11-19
CN110471420B true CN110471420B (zh) 2022-12-13

Family

ID=68512171

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910786581.9A Active CN110471420B (zh) 2019-08-23 2019-08-23 一种基于人工势场法的机器避障方法及装置

Country Status (1)

Country Link
CN (1) CN110471420B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI756647B (zh) * 2020-03-18 2022-03-01 財團法人船舶暨海洋產業研發中心 基於人工勢場法的船舶避碰方法及系統
CN111506083A (zh) * 2020-05-19 2020-08-07 上海应用技术大学 基于人工势场法的工业机器人安全避障方法
CN112171667A (zh) * 2020-09-21 2021-01-05 济南浪潮高新科技投资发展有限公司 基于嵌入式的采摘机器人智能避障系统及避障方法
CN114643581B (zh) * 2022-04-20 2024-01-19 安徽大学 基于改进人工势场法的双机械臂避碰轨迹规划方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105629974A (zh) * 2016-02-04 2016-06-01 重庆大学 一种基于改进型人工势场法的机器人路径规划方法及系统
CN106843235A (zh) * 2017-03-31 2017-06-13 深圳市靖洲科技有限公司 一种面向无人自行车的人工势场路径规划法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105629974A (zh) * 2016-02-04 2016-06-01 重庆大学 一种基于改进型人工势场法的机器人路径规划方法及系统
CN106843235A (zh) * 2017-03-31 2017-06-13 深圳市靖洲科技有限公司 一种面向无人自行车的人工势场路径规划法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
人工势场法与A*算法结合的机械臂避障路径规划研究;孙泾辉;《成都信息工程大学学报》;20190630;全文 *
基于改进人工势场法的机器人路径规划研究;单宝明等;《信息技术》;20140131;全文 *
基于改进人工势场的变形移动机器人路径规划;王领等;《智能制造》;20190317(第03期);全文 *
改进人工势场法的移动机器人路径规划分析;仇恒坦等;《机械设计与研究》;20170820(第04期);全文 *

Also Published As

Publication number Publication date
CN110471420A (zh) 2019-11-19

Similar Documents

Publication Publication Date Title
CN110471420B (zh) 一种基于人工势场法的机器避障方法及装置
CN108415424B (zh) 智能机器人控制方法和装置、系统及存储介质
EP3287861A1 (en) Method for testing an autonomous system
JP2016024598A (ja) 自律移動装置の制御方法
AU2024202730A1 (en) System and method for mission planning and flight automation for unmanned aircraft
CN109901578A (zh) 一种控制多机器人的方法、装置及终端设备
CN112484726B (zh) 一种基于三维模型的无人机路径规划方法
Chen et al. Verifiable control of robotic swarm from high-level specifications
Javanmard Alitappeh et al. Multi-robot deployment using topological maps
CN112393732A (zh) 无人机避障方法、装置、可读存储介质及电子设备
CN104914875A (zh) 一种多飞行设备协同飞行的控制方法及控制装置
CN113589849A (zh) 一种无人机动态控制方法、系统、设备及存储介质
US9360320B2 (en) Autonomous coordination of agents via attraction and repulsion
JP2019018341A (ja) ロボット
Sharifi et al. A distributed deployment strategy for multi-agent systems subject to health degradation and communication delays
CN115885226A (zh) 用于对自动导引车(agv)系统进行仿真的方法和装置
Imrie et al. Aloft: Self-adaptive drone controller testbed
CN108445903B (zh) 一种无人机防撞控制方法
US20220402135A1 (en) Safety trajectories for robotic control systems
Wopereis et al. Bilateral human-robot control for semi-autonomous UAV navigation
Carvalho et al. Indoor wireless sensor localization using mobile robot and RSSI
KR20210075557A (ko) 이송 로봇의 티칭 방법 및 이를 이용한 티칭 장치
CN115893130B (zh) 机器人切换楼层的控制系统、方法、电子设备及存储介质
Xiao et al. A reinforcement learning based construction material supply strategy using robotic crane and computer vision for building reconstruction after an earthquake
Garcia-Valverde et al. Improving RFID's location based services by means of hidden markov models

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant